Стартапи Encord і Zander Labs перевіряють, чи допоможуть дані про мозкову активність людей краще навчати роботів. Вони записують електричну активність мозку під час виконання завдань і тестують, чи підвищує це точність роботи моделей ШІ.
Про це пише видання TechCrunch.
Компанія Encord, яка створює інструменти для підготовки даних для штучного інтелекту, випробовує новий підхід до навчання роботів. У каліфорнійській лабораторії оператори виконують різні дії, наприклад розбирають вежу з дерев’яних брусків, одягнувши гарнітуру з камерою та датчиками, що фіксують мозкові хвилі.
Ці датчики розробила німецька компанія Zander Labs. Вона намагається визначати за активністю мозку такі стани, як намір, помилка чи несподіванка. Отримані дані планують використовувати для навчання роботів, щоб вони краще розуміли, які дії потребують більшої уваги або складніших алгоритмів.
Поки що це лише експеримент. Encord хоче створити перший набір даних із позначками мозкової активності, перевірити його на моделях клієнтів і лише після цього вирішити, чи варто масштабувати технологію.
У компанії пояснюють, що головною проблемою розвитку фізичного штучного інтелекту стала нестача якісних даних із реального світу. Якщо для мовних моделей можна було використати величезні обсяги текстів з інтернету, то для роботів таких даних просто немає. Їх доводиться спеціально збирати.
За словами керівника напряму роботизованого навчання Encord Вініта Велмуругана, відео недостатньо для повноцінного навчання роботів. Він вважає, що для суттєвого прогресу знадобиться набір даних, приблизно у п’ять разів більший за весь відеоархів YouTube.
Щоб отримати потрібну інформацію, компанія використовує кілька методів. Один із них — запис відео від першої особи, коли працівники носять камери. Інший — дистанційне керування роботами, які повторюють рухи людей. У лабораторії оператори виконують різні завдання: наливають каву, складають фішки для покеру, під'єднують кабелі Ethernet до серверів або працюють із побутовими предметами.
Крім мозкових хвиль, Encord тестує ще одну технологію. На передпліччя людини кріплять датчики, які зчитують електричні сигнали м’язів. Це допомагає точніше визначити положення руки навіть тоді,
коли її не повністю видно на відео.
Усі записи детально описують текстом. Наприклад, система отримує пояснення на кшталт: «права рука закручує болт». Такі підписи допомагають моделям краще розуміти, що саме відбувається на відео.
У компанії вважають, що ретельно розмічені дані можуть бути приблизно у 100 разів ціннішими для навчання конкретних навичок, ніж звичайні записи з камер. Водночас їх створення обходиться приблизно у 20 разів дорожче.
Саме висока вартість збору таких даних поки що залишається одним із головних обмежень розвитку фізичного штучного інтелекту. На відміну від текстів із відкритого доступу, інформацію для навчання роботів потрібно створювати спеціально, що значно ускладнює та здорожчує цей процес.
Читайте також:
